П:
Како машинско учење утиче на генетичко тестирање?
О:Машинско учење се примењује на генетичко тестирање на много различитих начина.
Апликације су готово бескрајне. Машинско учење помаже научницима да анализирају ДНК, декодирају људски геном, процјене фенотипа болести, разумију експресију гена и чак учествују у процесу који се зове уређивање гена, гдје је ДНК заправо "спојена" у генетски код организма.
| Бесплатно преузимање: Машинско учење и зашто је то важно |
Методе рачунарске науке које се користе у генетском машинском учењу такође јако варирају. Неки пројекти користе под надзором учење, гдје су сви подаци претходно означени. Други користе неконтролисано учење, које се заснива на необиљеженим скуповима података, или комбинацији два принципа која се називају учење под надзором.
Многе технологије генетичког тестирања окренуте потрошачима које видимо на тржишту користе неки облик машинског учења или вештачке интелигенције за функционисање. На пример, производи који помажу појединцима да покажу више о својој генетској слици можда су имали користи од машинског учења у истраживању и развоју или од анализе узорака који је у току.
На много начина, генетско тестирање је савршено поље за апликације за машинско учење, делом и због огромне количине података с којима ови програми требају да се суоче. На пример, рад на људском геному укључује дешифровање милијарди бита информација, а пре појаве машинског учења многи од ових задатака били су прилично застрашујући.
На пример, Гоогле има програм назван ДеепВариант за који научници кажу да се сада може користити за потпуно мапирање људског генома - који се може користити у целом спектру генетских информација човека.
Агенције попут Националног института за здравље документују многе начине на које машинско учење и вештачка интелигенција доприносе бољем разумевању генетике и геномике, гране молекуларне биологије која покрива генетску науку. Постоји чак и „школа машинског учења под називом еволуционизам“ која покрива многе класификоване задатке машинског учења релевантне за генетски рад. На крају, машинско учење делује као катализатор за бржи и разноврснији развој генетских истраживања и инжењерства.
